Android语音识别、音频播放与后台录音共存的技术问题咨询

1. 多组件共存时的音频焦点正确处理 #

Android音频焦点的核心是优先级协调，针对你的三个组件，处理逻辑如下：

• SpeechRecognizer识别阶段：系统会自动抢占麦克风独占权限，此时必须暂停AudioRecord录制（否则会触发录音冲突，导致识别失败或录音断流），识别完成后立即恢复AudioRecord。
• MediaPlayer播放阶段：请求临时音频焦点（AUDIOFOCUS_GAIN_TRANSIENT），同时设置ducking模式（让AudioRecord降低录音音量，避免录到播放的响应音频）。播放结束后立即释放焦点，恢复AudioRecord的正常录音音量。

代码示例：音频焦点管理 #

private val audioManager by lazy { getSystemService(AUDIO_SERVICE) as AudioManager }
private var audioFocusRequest: AudioFocusRequest? = null

// 初始化音频焦点请求（针对MediaPlayer播放）
fun initAudioFocus() {
    audioFocusRequest = AudioFocusRequest.Builder(AudioManager.AUDIOFOCUS_GAIN_TRANSIENT)
        .setAudioAttributes(
            AudioAttributes.Builder()
                .setUsage(AudioAttributes.USAGE_ASSISTANT)
                .setContentType(AudioAttributes.CONTENT_TYPE_SPEECH)
                .build()
        )
        .setOnAudioFocusChangeListener { focusChange ->
            when (focusChange) {
                AudioManager.AUDIOFOCUS_LOSS -> mediaPlayer?.pause()
                AudioManager.AUDIOFOCUS_GAIN -> mediaPlayer?.start()
                AudioManager.AUDIOFOCUS_LOSS_TRANSIENT_CAN_DUCK -> adjustAudioRecordVolume(0.5f)
                AudioManager.AUDIOFOCUS_GAIN_TRANSIENT -> adjustAudioRecordVolume(1.0f)
            }
        }
        .build()
}

// 请求焦点并播放响应音频
fun playResponseAudio(audioPath: String) {
    val focusResult = audioManager.requestAudioFocus(audioFocusRequest)
    if (focusResult == AudioManager.AUDIOFOCUS_REQUEST_GRANTED) {
        mediaPlayer?.apply {
            reset()
            setDataSource(audioPath)
            prepareAsync()
            setOnPreparedListener { start() }
            setOnCompletionListener {
                audioManager.abandonAudioFocusRequest(audioFocusRequest)
            }
        }
    }
}

2. 持续AudioRecord与SpeechRecognizer共存的可行性 #

可行，但必须做严格的互斥处理：

• 安卓系统麦克风在大部分场景下是独占资源（Android 10+支持共享麦克风，但SpeechRecognizer底层通常会抢占独占权限），若同时运行两个组件，会导致SpeechRecognizer识别成功率骤降、AudioRecord断流或产生噪音。
• 正确做法：在SpeechRecognizer的onBeginningOfSpeech回调中暂停AudioRecord，在onEndOfSpeech或onResults回调中恢复录音。

代码示例：SpeechRecognizer与AudioRecord互斥 #

private val speechRecognizer by lazy { SpeechRecognizer.createSpeechRecognizer(this) }
private val recognitionListener = object : RecognitionListener {
    override fun onBeginningOfSpeech() {
        // 开始识别，暂停录音
        audioRecord?.stop()
    }

    override fun onEndOfSpeech() {
        // 识别结束，恢复录音
        audioRecord?.startRecording()
    }

    override fun onResults(results: Bundle?) {
        val matches = results?.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION)
        matches?.firstOrNull()?.let { command ->
            playResponseAudio(getResponseAudioPath(command))
        }
        // 确保录音恢复
        audioRecord?.startRecording()
    }

    // 实现其他必需的回调方法...
}

3. 多音频源管理的最佳实践 #

针对麦克风必须持续活跃的场景，遵循以下规则：

• 线程隔离：
  • AudioRecord的录音逻辑必须放在独立后台线程（如HandlerThread），绝对不能阻塞主线程
  • SpeechRecognizer的回调运行在主线程，避免在回调中做耗时操作（如音频文件读写）
• 生命周期绑定：
  • 在onPause时暂停所有音频组件，onResume时恢复；在onDestroy时彻底释放资源（SpeechRecognizer.destroy()、MediaPlayer.release()、AudioRecord.release()）
• 参数统一：
  • AudioRecord的采样率、声道数、编码格式尽量与SpeechRecognizer保持一致（如都用16kHz单声道PCM），减少系统音频硬件的切换开销
• 权限与后台适配：
  • 动态申请RECORD_AUDIO、MODIFY_AUDIO_SETTINGS权限；Android 13+需申请POST_NOTIFICATIONS权限以支持后台录音
  • 后台录音时必须显示前台通知，避免系统杀死进程
• 状态监听：
  • 用AudioManager监听音频设备连接状态（如耳机插拔），及时调整音频组件行为

4. 音视频卡顿的原因及缓解方案 #

常见原因 #

1. 音频组件频繁切换导致系统音频服务过载
2. AudioRecord的录音线程占用过多CPU资源，阻塞主线程或其他音频线程
3. 音频缓冲区设置不合理，导致溢出或频繁唤醒
4. 未正确处理音频焦点，引发组件抢占时的资源冲突

缓解方案 #

• 优化AudioRecord缓冲区：使用AudioRecord.getMinBufferSize()获取最小合适缓冲区，避免过大或过小

  val minBufferSize = AudioRecord.getMinBufferSize(
      16000,
      AudioFormat.CHANNEL_IN_MONO,
      AudioFormat.ENCODING_PCM_16BIT
  )
  val audioRecord = AudioRecord(
      MediaRecorder.AudioSource.MIC,
      16000,
      AudioFormat.CHANNEL_IN_MONO,
      AudioFormat.ENCODING_PCM_16BIT,
      minBufferSize * 2 // 用最小缓冲区的2倍，平衡延迟和稳定性
  )
  

• 降低录音线程优先级：避免抢占CPU资源

  Thread.currentThread().priority = Thread.MIN_PRIORITY
  

• 减少SpeechRecognizer触发频率：设置静音检测，仅当检测到有效语音时才启动识别，避免频繁触发组件切换
• 异步处理音频操作：使用MediaPlayer.prepareAsync()、SpeechRecognizer.startListening()的异步回调，避免阻塞主线程
• 排查系统资源占用：用adb shell dumpsys audio查看当前音频组件状态，用adb shell top查看CPU占用，定位是否有其他应用抢占资源

内容的提问来源于stack exchange，提问作者Mohammad Faizan